基于卷积神经网络改进的图像自动分割方法

摘要

针对图像序列三维重建中多视角目标分割需要人工参与、任务繁重的问题,提出一种基于卷积神经网络改进的图像自动分割方法。首先将序列图像去噪处理、归一化并进行语义标注后制作数据集;然后对改进的融合多尺度特征和残差连接的卷积神经网络进行训练,得到优化后的卷积神经网络分割模型;最后将预分割图像加载到优化的分割模型中得到归一化的掩码图,再利用三次样条插值法将其恢复分辨率后与原图作自定义的掩码操作得到高清分割结果。以主流分割软件Photoshop分割结果为参考标准进行对比,实验结果证明,该方法的准确率与参考标准接近,而且可实现批量自动分割,能较好地解决三维重建中目标分割任务繁重的问题。